CNN 中的 Conv2D 输出形状太小

Question

第一个 Conv2D 层中的输入形状应该是 (100, 100, 1)，但输出是 (None, 98, 98, 200)。我了解 200 和 None 确定的内容，但我不确定 98 作为参数。 此外，除此之外，我随机选择了 200 作为我的模型在 Conv2D 中的过滤器数量。我应该如何为我的模型确定合适数量的过滤器。它是基于反复试验吗？请帮忙。谢谢！！

from keras.models import Sequential
from keras.layers import Dense, Activation, Flatten, Dropout
from keras.layers import Conv2D, MaxPooling2D
from keras.callbacks import ModelCheckpoint

print(data.shape[1:])
model = Sequential()
model.add(Conv2D(200, (3,3), input_shape = data.shape[1:]))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size = (2,2)))

model.add(Conv2D(100,(3,3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Flatten())
model.add(Dropout(0.5))
model.add(Dense(50, activation = 'relu'))
model.add(Dense(2, activation = 'softmax'))

model.compile(loss = 'categorical_crossentropy', optimizer = 'adam', metrics = ['accuracy'])
model.summary()

(100, 100, 1) 型号：“sequential_3”

---

层（类型）输出形状参数#

conv2d_5 (Conv2D)（无、98、98、200）2000

---

activation_5（激活）（无、98、98、200）0

---

max_pooling2d_5 (MaxPooling2 (None, 49, 49, 200) 0

---

conv2d_6 (Conv2D) (无, 47, 47, 100) 180100

---

activation_6（激活）（无、47、47、100）0

---

max_pooling2d_6 (MaxPooling2 (None, 23, 23, 100) 0

---

flatten_3（展平）（无，52900）0

---

dropout_3（辍学）（无，52900）0

---

dense_5（密集）（无，50）2645050

---

dense_6（密集）（无，2）102

总参数：2,827,252 可训练参数：2,827,252 不可训练参数：0

---

Answer 1

将padding="same"作为参数添加到conv2d，输出维度将与输入维度相同。

默认设置为 padding="valid"，由于您使用 3x3 过滤器且步长为 1，因此您最终会得到 98x98 尺寸，因为您的 3x3 过滤器适合 100x100 98 次。